音乐和舞蹈是人类历史形成的最古老的综合艺术形式之一。在人类语言还没有形成之前，人类就在使用自己的声态和体态来表达自己的内在情态了，无论从生理和心理的角度，这种表达从一开始就是天然合一、浑然一体的。而且这种声态体态合一的表达是人类音乐舞蹈的最初萌芽。弗朗兹-博厄斯在《原始艺术》中认为：“在人类语言中，很可能是先有表达感情的叫声，然后才有具有含义的内容的，叙述性的表达则更晚一些。”人类原始的叫声：“很可能是早期交流思想的形式。”人类祖先不仅用声态来交流情感，体态在情感的表达和交流中也起到重要的作用，而且还在当时恶劣环境中起到生存保护的作用。达尔文在《人类和动物的表情》一书中认为，人类祖先在与危害自己的对方搏斗时，往往用毛发竖立、呲牙咧嘴、怒目圆睁、狂蹦乱跳等体态来表达自己的愤怒惊恐的情感并用其恐吓对方保护自己。原始人类的这些动作，通过遗传和进化，至今还遗存于现代人的表情体态中。在语言形成以后，同样，“人们用身体的动作和口头的言辞表达某些强烈而有节制的感情，而当语言具备一定感情的时候，也就形成一定的形体动作。人们经常把歌曲和舞蹈、歌曲和游戏、某种手势和生动的语言结合在一起，即可说明这一点。舞蹈和音乐总是分不开的”。

　　人类原始歌舞最早使用的表达手段是什么？格罗塞认为，“人类最初的乐器，无疑是嗓声（voice）”王光祈在《中国音乐史》中认为：“盖歌唱所用歌喉，跳舞所用手足，皆为人身所具有，不必外求，世界上一切未开化民族无不优为者也。”也就是说人类最初使用的乐器是自己的天然的肉体，不仅用嗓声来表达内心的情感，而且还用手舞足蹈的击掌和跺地发出的声响为歌伴以节奏和舞蹈。原始舞蹈最初的所谓音乐的伴奏，与其说是伴奏还不如说是舞蹈者本身的体态动作和叫喊发出的声音。也就是说，最初的音乐，从某种程度上说，是人体本身或者说是舞蹈者体态运动本身的直接产物，其节奏、音调是依附于舞蹈的体态动作的。瓦尔特-索列耳为《美国百科全书》撰写的“舞蹈”条目中认为，“在原始社会中，舞蹈、音乐和戏剧是整个公社举行的某一礼仪的一个部分。起初，舞蹈者自己唱歌、喊叫或者拍手，来为自己提供‘音乐’——这种做法至今还可以在某些民间舞蹈中见到。由于比较复杂、比较刚健有力的舞蹈要求舞蹈者付出更多的精力，所以，音乐伴奏的任务就交给了观众，后来终于又交给了一批专门训练的乐师——他们组成了歌队或乐队。”在索列耳看来，原始的舞蹈和音乐最初都是由舞蹈者自己完成的，舞蹈者是在边歌边舞中同时实现舞蹈表演和音乐伴奏的双重功能的。舞蹈体态动作的难度和复杂程度的不断提高，或者说专业化水平的不断提高，才促使音乐伴奏的功能逐渐地从舞蹈者表演中分离出去。最初是由观众喊叫或歌唱再加以击掌或敲击物体作为伴奏，而后，逐渐从观众中演变出一种专门受过训练的歌者和乐师组成的歌队和乐队为舞蹈者伴奏。按索列耳的观点，舞蹈中音乐伴奏的角色经历了由舞蹈者——观众——音乐家（歌者、乐师）的由综合到分化、由非专业到专业的逐渐演变的过程。

　　舞蹈中舞蹈者和音乐伴奏者的角色的由综合到分化、由非专业到专业的逐渐演变的过程，还涉及到一个相关的舞蹈音乐伴奏手段的逐渐演变的问题。如果说原始舞蹈的音乐伴奏最初使用的是人本身的器官（嗓音、手足击打）发出的声音的话，那么原始舞蹈的音乐伴奏又是如何从人自身的天然乐器转化到人自身以外的人造乐器的呢？人类最早的人造乐器又是什么呢？普列汉诺夫在其《没有地址的信》中就这一问题谈了自己的看法。他认为，“对于原始民族，音乐中主要的东西是节奏，所以不难了解，他们的简单的音乐作品是怎样从劳动工具与其对象接触时所发出的声音中产生出来的。这是用加强这些声音、使他们的节奏增加某种花样、总之使它们适合于表现人的感情这样一些办法来完成的。但是要做到这一点，必须首先改变劳动工具，而这样一来，它们就变成乐器了。”他由此认为，“生产者用以简单地敲击自己劳动对象的工具，一定比其他都更早地经历这种变化。”在普列汉诺夫看来，人类最早的人造乐器是打击乐器，它来源于对劳动工具改造。这是一个非常重要的观点，它对乐器的起源作了历史唯物主义的合理的解释。

　　什么是人类最早的打击乐器？普列汉诺夫认为，“鼓在原始民族那里是非常普遍的，而在其中某些民族那里，至今仍然是唯一得乐器。”博厄斯在其《原始艺术》一书中认为，“在各种乐器中，有一种是全世界共有的，这就是打击乐器……最简单的打击乐器是用棍棒敲击木版或其它能产生共鸣的东西。此外，到处可见人们使用各种不同形式的鼓，有的是空木桶，有的是空圆桶，有的是一个圆圈上蒙上兽皮，有的土著人则使用拨浪器或其他响器。……当人们发现美洲的时候，美洲根本没有乐器，美洲各地的原始部落中只用打击乐器为歌曲伴奏。”格罗塞在其《艺术的起源》一书中也谈到，“最低文化阶段的乐器大半只是用来标记拍子。这类乐器用得最广的是苏鼓（kettledrum）。”原始狩猎民族音乐的“节奏感无疑也是从原始的乐器上发展出来的。”我国原始时代打击乐器，在古代文献中都有所记载。《礼记》中有“土鼓、蒉桴、苇龠，伊耆氏之乐也。”以及“叔之离磬”之说。《尚书》中有“戛击鸣球，搏拊琴瑟以咏。”，“击石拊石，百兽率舞。”的记载。《吕氏春秋》有“帝嚳乃令人抃，或鼓鼙，击钟磬，吹苓，展管篪；因令凤鸟天翟舞之。”等。从文献记载中可以看出，中国原始社会已经有鼓、磬、钟等打击乐器和苇龠、苓、篪、等吹管乐器了。中国音乐史学家杨荫浏先生认为，“原始音乐产生于人们在集体生活中劳动实践和社会实践的需要。”“在原始时代的乐器中，击乐器占主要地位，基本上还没有多大发展。但是从击乐器和吹乐器来看，已经可以看出，原始乐器已在遵循着一定的途径发展，就是由不定型到定型，由种类很少到种类增多，由不定音到固定音，由个别的单音到有一定高低关系的多音的音阶序列。”从上述学者的观点中可以看到，人类最早的人造乐器应该是打击乐器。它们的产生最初可能与劳动或生活中的工具或用具的敲击有关，由此逐渐发展为舞蹈、歌唱伴奏的打击乐器。如果说击掌跺脚是人类最早的本能的自发的音乐伴奏手段，是否可以这样认为，人用物体（劳动工具）敲击的声音逐渐代替自身手足碰撞声音作为舞蹈、歌唱的伴奏手段，在某种意义上标志着人从使用自身天然乐器向使用人造乐器的转化迈出了关键性的一步。人造乐器不仅是人的肢体的一种延伸、扩展和物化，而且是人在音乐实践活动中的音乐感觉和能力的一种延伸、扩展和物化。人造乐器的出现使音乐所使用的物质手段逐渐脱离了与舞蹈体态的混沌状态，从而也产生和分化出专门演奏乐器的人：乐师。这些都是最终导致了音乐从为舞蹈、歌唱的伴奏的依附状态中独立出来的重要条件。从起源来看，在使用人造乐器之前，舞蹈最初使用的音乐伴奏如果就是舞蹈者自身发出的喊叫声和击掌跺脚声的话，那么，从这个意义上说，音乐、舞蹈最初使用的物质手段是同一的，即以人体作为物质手段，两者的角色最初也是同一的，即，舞蹈、音乐同由歌舞者一人担当。

　　从音乐和舞蹈的存在方式来看，两者都以时间这个维度作为它们呈现展开的必要条件。舞蹈在时间一维形式中展现其具有三维空间的体态的连续的运动；而音乐则在时间的一维形式中展现其作为零度空间（非空间的、无形的）的声态的连续的运动。正是由于连续的体态、声态在时间维度中的运动，把舞蹈和音乐紧紧地维系在一起。如果舞蹈的体态一旦脱离了时间的维度，就不能称之为舞蹈了，静态的体态造型只能列入三维空间的雕塑或二维空间的绘画的空间艺术门类；如果体态脱离了与声态（歌、乐）的联系，成为脱离声音韵律形式的体态，尽管这种体态还是在时间中展开，然而，这种体态也已经不是舞蹈的体态，只能是日常生活体态或者是哑剧表演的体态了；哑剧的体态与文学艺术的进一步结合就产生了戏剧形式，体态在其中只不过是表现戏剧的情节和人物行动展开的因素之一。舞蹈的体态之所以有别于雕塑、绘画、戏剧（哑剧）中的体态，就在于它是在时－空的四维形式中展开的与有韵律形式的声态（歌、乐）有机紧密结合在一起的有韵律形式的人的特殊体态的艺术。从这个意义上说，舞蹈的体态的特殊性就在于它的有韵律的体态形式始终是在有韵律的声音形式中实现的，或者说，舞蹈的无声的体态的运动如果想要获得在时间中的律动形式，在某种程度上，必须以有韵律的声音的时间形式作为其体态展开的时间框架，只有在这种时间框架中连续的体态的连接和过渡才能获得其运动的时间支撑点，才能成为在时间中展示的一种有韵律的体态的完整形式。法国启蒙时期著名思想家狄德罗在其主编的《百科全书》中给舞蹈下的定义：“在乐器伴奏或人声伴唱下表演的人体动作，跳跃和有节拍的步子。”法国十八世纪著名的舞蹈改革家和编导诺维尔认为，“音乐之于舞蹈，正如歌词之于音乐一样。用这一比喻，我只是想说明一点：舞蹈音乐是，或者应该是一个提纲，它规定和预先决定着每位演员的动作和表演，因此演员应该表达提纲的内容，以富有表情的、精力充沛的姿势和生动活泼的脸部表情把这个提纲变成人人易懂。”鲍列夫在其《美学》一书中说：“舞蹈是音乐的回声，是变成了能表现人的性格、情感和思想的谐调而有节奏的人体动作的声音。”《美国百科全书》认为：“舞蹈的特点之一是图形，即在时间上和空间上对动作的组织，或者说动作的模式。节奏提供了时间样式，将带重拍和不带重拍的动作组织为小节。……由于舞蹈的基础是节奏，所以舞蹈同音乐的关系比任何一种艺术都来得更为密切，而且几乎永远都有音乐伴奏。”我国著名舞蹈艺术家、理论家吴晓邦认为，舞蹈“必须围绕着时间性上的音乐和文学内容而进行。即在一定的时间性内是占有空间的，而当时的消逝中舞蹈艺术同时也失去了空间。……因此舞蹈艺术，实际说来，也是一种时间艺术，或者说是综合了空间和时间的视觉和听觉两方面的艺术。”著名戏剧、舞蹈家欧阳予倩也认为：“舞蹈跟音乐血肉相连，有了舞蹈必有音乐。”综上所论，可以看出，舞蹈的体态之所以能够成为有别于雕塑、绘画、戏剧中的体态，就在于它是在有节奏的时间样式中展现的有节奏的动作模式，舞蹈体态动作模式的获得又是不能离开有节奏的声音模式的支持的，脱离了有节奏的声音模式的框架，无声的体态也就失去其有节奏律动的时间支撑点，从而也就使其体态失去了在时间中展现的形式感，舞蹈虽然具有立体三维空间的特性，是一种时空综合形式的艺术，但从其体态动态的律动形式看，其形式特征的本质更多地是属于时间性的而非空间性的。这也许就是舞蹈作为人的一种特殊的动态的体态符号从其产生之始至今一直不能脱离时间性的音乐的根本原因。

　　由此看来，音乐声音律动的时间样式——节奏，是体态律动形式在时间中呈现的必要框架。舞蹈的动态体态正是在音乐声音律动的时间样式中使其前后展现的空间性体态造型获得时间关系和力度强弱关系，从而获得了不同于雕塑、绘画、戏剧中的体态的特殊的体态的律动形式的。脱离了音乐声音律动的时间样式，空间性体态造型也就失去了其成为舞蹈体态的基本条件。节奏是把舞蹈和音乐紧紧地维系在一起的重要的纽带。